UCSD Hao AI Lab 发布 ORA：开源权重模型零样本操控真实机械臂

UCSD Hao AI Lab 在 X 上介绍 ORA，称其以 DeepSeek V4.1-Flash 为基础，让开源权重模型根据视觉输入零样本操作真实机器人，关注价值在于探索非 VLA 路线的机器人智能体。

• ORA 的公开描述强调“观察—调用工具—检查反馈—继续行动”的闭环，而不是一次性生成动作序列。
• 实验使用视觉输入、感知工具和动作工具，目标是让通用语言模型承担任务分解与控制决策。
• “零样本”只说明没有针对具体任务进行额外示范训练，不能推导出模型对不同机器人、相机和环境都具备稳定泛化能力。
• Google Developers Blog 同期展示的 Argon 机器人案例也采用视觉理解、工具调用和闭环验证，说明业界正在把通用模型接入机器人控制链路，但两者并非同一系统的直接对比。
• 影响/看点：若 ORA 能在公开任务、不同机械臂和重复试验中保持成功率，它可能降低开源权重模型进入机器人实验的门槛；成立条件是控制延迟、失败恢复、安全边界和硬件适配成本都能被量化验证。
• 资料依据:
• UCSD Hao AI Lab（2026-10-16）：ORA 介绍 https://x.com/haoailab/status/2110898242217206212
• Google Developers Blog（2026-10-13）：Gemini 4 Argon for Robotics https://developers.googleblog.com/gemini-4-argon-for-robotics/

本内容由 AI 生成，仅供参考，请注意甄别